1. 搭建你自己的神經網絡（Make Your Own Neural Network）

價格：45 美元

　　

一步步讓你了解神經網絡的數學原理并用 Python 搭建自己的神經網絡。神經網絡是深度學習和人工智能的關鍵元素。然而，幾乎很少有人真正了解神經網絡如何運作。本書從非常簡單的思想開始，讓你在趣味和從容不迫中，逐漸了解神經網絡的運作原理。

2. 神經網絡設計（第二版）（Neural Network Design 2nd Edition)

價格：28 美元

　　

本書作者著有 Neural Network Toolbox for MATLAB 一書。本書清楚詳細介紹了基本神經網絡結構和學習規則。其中，作者條理清楚地介紹了主要的神經網絡、訓練方法以及如何用來解決實際問題。廣泛介紹了前饋網絡（包括多層和徑向基網絡）和循環網絡的訓練方法是本書的一大特點。

3. 用于模式識別的神經網絡（計量經濟學高級教程）（Neural Networks for Pattern Recognition Advanced Texts in Econometrics）

價格：58 美元

　　

本書首次從統計模式識別角度全面介紹了前饋神經網絡。在引介基本概念后，作者檢視了概率密度函數的建模技巧以及多層感知機以及徑向基函數網絡模型的特性和優點。本書也介紹了各種不同形式的誤差函數、誤差函數極小化主要算法，神經網絡的學習和泛化以及貝葉斯技巧及其應用。

4. 神經網絡：一個綜合性基礎（第二版）（Neural Networks: A Comprehensive Foundation (2nd Edition)

價格：48 美元

面向計算機工程、電子工程以及計算機科學專業研究生的神經網絡課程，全面、易讀、結構合理，全面更新的教程仍然是工程學視角下、最全面的神經網絡介紹，本書已全面修訂。

5. 深度學習基礎：設計下一代機器智能的算法（Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms）

價格：33 美元

　　

隨著神經網絡在 21 世紀的振興，深度學習已經成為一個極其活躍的研究領域，它正在為現代機器學習鋪平道路。本書使用實例和論證說明幫助你理解這個復雜領域內的主要概念。掌握深度學習仍然是很復雜與困難的，不過如果你對機器學習有基本的理解，對 Python 編程語言比較熟悉，還能有一點微積分的數學背景，那么這本書將能很好地幫助你學習深度學習。

6. 深度學習：自適應計算和機器學習系列（Deep Learning (Adaptive Computation and Machine Learning series)）

價格：69 美元

　　

文中提供數學和學科概念背景知識，其涵蓋了線性代數、概率論和信息論、數值計算和機器學習等相關的背景知識。它闡述了行業從業者使用的深度學習技術，包含了深度前饋網絡，正則化，優化算法，卷積網絡，序列建模和實用性方法等。同時它對深度學習實際應用如自然語言處理、語音識別、計算機視覺、在線推薦系統、生物信息學和視頻游戲也做了一個詳盡的調查分析。

7. 神經鍛造：前饋人工神經網絡中的監督學習（Neural Smithing: Supervised Learning in Feedforward Artificial Neural Networks）

價格：63 美元

　　

人工智能神經網絡是非線形映射系統，它的結構簡要的基于對人與動物大腦神經系統的觀察。基礎思路是簡單單元的大規模系統以能生成許多復雜、有趣的行為的方式連接到一起。該書注重在前饋人工神經網絡的一個子集，也就是多層感知器（MLP）。這是最普遍使用的神經網絡，被應用于金融（預測）、制造業（流程控制）和科學（語音和圖像識別）等多個領域。

8. 人工神經網絡基礎（Fundamentals of Artificial Neural Networks）

價格：45 美元

　　

作為 IEEE Transactions on Neural Networks 的書評編輯，Mohamad Hassoun 有機會去評估近年來出現的眾多關于人工神經網絡的書籍。現在，在 Fundamentals of Artificial Neural Networks 一書中，他通過清楚的分辨目前神經網絡研究員使用的理論與實踐的基本概念與主要方法，首次對人工神經網絡范式提供了系統性的解釋。這樣的一本系統的、統一的書籍，盡管缺少對最近神經網絡發展的描述，也依然很適合于學生與從業者。

9. 深度學習：從業者的實用方法（Deep Learning: A Practitioner's Approach）

價格：28 美元

　　

你想尋找一本能闡述機器學習主要進展的核心書籍嗎？Deep Learning: A Practitioner's Approach 為開發者和數據科學家提供最實用的信息，包括深度學習理論、最優方法和實用案例。作者 Adam Gibson 和 Josh Patterson 以非學術方式介紹了最新的相關論文和技術，并在他們的 DL4J 庫中實現核心數學方法。如果你在嵌入式，桌面和大數據/ Hadoop spaces 工作，并真正想了解深度學習，那么這就是你想要的書。

　　?本文由機器之心編譯，轉載請聯系本公眾號獲得授權。

總結

以上是生活随笔為你收集整理的推荐 | 九本不容错过的深度学习和神经网络书籍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。